Detecção de outliers explicável: O quê, para quem e por quê?

Os algoritmos de outlier estão se tornando cada vez mais complexos. Assim, eles se tornam muito menos interpretáveis para os cientistas de dados que aplicam os algoritmos em ambientes reais e para os usuários finais que utilizam suas previsões. Argumentamos que os outliers são dependentes do contexto e, portanto, só podem ser detectados por meio do conhecimento de domínio, compreensão do algoritmo e interação com os usuários finais. Como a detecção de outliers é equivalente à classificação binária sem supervisão, no cerne da interpretação de um algoritmo de outlier encontramos a semântica das classes, ou seja, a definição conceitual de outlier do algoritmo. Investigamos os atuais algoritmos de outlier interpretáveis e explicáveis: o que são, para quem são e qual é sua proposta de valor. Em seguida, discutimos como a interpretação e explicação e o envolvimento do usuário têm o potencial de fornecer o elo perdido para levar algoritmos complexos de outlier modernos dos laboratórios de ciência da computação para aplicações da vida real e os desafios que eles induzem.